MétaCan
Menu
Retour à la cohorte
Enregistrement W2015691973 · doi:10.1111/j.1365-2435.2006.01135.x

Net assimilation rate, specific leaf area and leaf mass ratio: which is most closely correlated with relative growth rate? A meta‐analysis

2006· article· en· W2015691973 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueFunctional Ecology · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRelative growth rateHerbaceous plantSpecific leaf areaBiologyGrowth rateBotanyAnimal scienceHorticulturePhotosynthesisMathematics

Résumé

récupéré en direct d'OpenAlex

Summary Data were compiled consisting of 1240 observations (614 species) from 83 different experiments published in 37 different studies, in order to quantify the relative importance of net assimilation rate (NAR, g cm −2 day −1 ), specific leaf area (SLA, cm 2 g −1 ) and leaf mass ratio (LMR, g g −1 ) in determining relative growth rate (RGR, g g −1 day −1 ), and how these change with respect to daily quantum input (DQI, moles m −2 day −1 ) and growth form (herbaceous or woody). Each of ln(NAR), ln(SLA) and ln(LMR) were separately regressed on ln(RGR) using mixed model regressions in order to partition the between‐experiment and within‐experiment variation in slopes and intercepts. DQI and plant type were then added to these models to see if they could explain some of the between‐experiment variation in the relative importance of each growth component. LMR was never strongly related to RGR. In general, NAR was the best general predictor of variation in RGR. However, for determining RGR the importance of NAR decreased, and the importance of SLA increased, with decreasing daily quantum input in experiments containing herbaceous species. This did not occur in experiments involving woody species.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,372
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,184
Écart entre enseignants0,171 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle